遥感信息结合光合特性研究作物光合产量估测模型_地理论文

提　要　从遥感信息参数和植物生理生态参数出发，建立了遥感—光合作物产量机理模型 (RSPCYM)，其中包括直接以遥感信息获取吸收光合有效辐射 (APAR)，将用以完整表示作物生育期中光合时间的作物光合同化势 (CPAP) 引入到遥感—光合作物产量模型中，同时利用遥感信息求算作物光合速率，进而建立遥感—光合作物产量模型。将建立的模型用于典型区域的冬小麦作物产量估测研究中，表明发展的模型有可比的精度。

关键词　遥感；作物光合作用；作物产量；估产模型

中图分类号　TP79； Q945.11

文献标识码　A

文章编号　1000-3037(2000)02-0170-05

　　随着人口的增加，耕地资源的锐减，人口粮食矛盾日益突出，用现有的耕地资源估计农作物的产量逐渐引起国家和政府部门的高度重视。近年来，遥感技术在农作物估产方面的研究日益深入^[1-3]。但已有的研究表明，在遥感估产中考虑农学和植物生理、生态机理方面，仍然是相当薄弱的环节，从根本上影响了估产的精度，难以准确建立光谱资料、叶绿素含量、叶面指数及光合作物产量的关系。因此，研究以农学和作物生理生态为基础的作物季节增长节律模型和光合生物量机理模型是准确地提高估产精度的必须研究的重点内容。

1 研究方法和技术路线

1.1 遥感—光合作物产量模型 (RSPCYM) 的建立

　　下图表示遥感—光合作物产量估测概念模型（图 1）。

图 1 遥感 - 光合作物产量估测概念模型
Fig.1 Crop yield estimating concept model based on remote sensing and plant photosynthesis

　　图 1 中，叶面积指数以 LAI 表示 (m²m^-2)；光合同化势以 CPAP 表示 (m²m^-2)；总第一性生产力以 GPP 表示 (gm^-2a^-1)；净第一性生产力以 NPP 表示 (gm^-2a^-1)；作物产量以 Yc 表示 (gm^-2a^-1)；光合速率以 Pn 表示 (gCO₂m^-2s^-1)。

其中，

　　NPP=GPP×(1-R_d) (2)

　　Y_c=f(ξ)×GPP (3)

　　CPAP=(LAI¹＋LAI₂)(T₂-T₁)/2 (4)

　　式 (1) 至式 (4) 中的 NPP 是总光合同化量与呼吸消耗的差；i=1…m，表示人为划分的作物各生育期。式 (1) 反映了光合作物产量的主要贡献因子：光合速率、光合时间、光合面积，因而可表示为光合作物产量模型。CPAP 是单位土地面积上作物群体的叶面积与叶持续时间的乘积，其中 LAI₁、LAI₂ 分别为生育期 T₁ 和 T₂ 时刻的叶面积指数，R_d 为呼吸消耗的比率，一般取 0.3^[4]。式 (3) 中的 f(ξ) 应为作物产量综合影响因子，无量纲，具体计算如下：f(ξ)=30／44(CH₂O 克分子/CO₂ 克分子 )×0.35（经济系数）×[1-0.30（呼吸消耗）]×[1-0.08（灰分）]×[1-0.10（水分）]=0.13791≈0.14。叶面积指数的具体计算见式 (11)。

1.2 作物群体的光合速率模型构建

　　估算作物的平均光合作用速率，应建立在其单叶光合作用的基础上，再在时间和空间要素上进行时空积分。作物层内光合作用可以等轴双解析曲线模式来描述，t 时刻光合速率表达式为^[5]：

其中，P_t 为 t 时刻作物的光合速率 (μmolCO₂m^-2s^-1)，α(μmolCO₂m^-2s^-1/μmol Photons m^-2s^-1) 和 Pmax(μmolCO₂m^-2s^-1) 分别为光初始利用效率和最大光合速率，冬小麦各生育期的取值见表 1。APAR_t(μmolm^-2s^-1) 为 t 时刻的吸收光合有效辐射。

表 1　冬小麦各生育期的η值
Table 1ηvariable in different
winter wheat development period

　　假定叶层是均匀的介质，光在群体中的分布为平均辐射量随叶面积指数的增加而递减，则 t 时刻的叶子两个表面的吸收光合有效辐射为^[5]：

式 (6) 中，k 为叶层消光系数；r 为叶片的反射率；m 为叶片透过率；LAI 为叶面积指数；PAR_t 为作物冠层上部光合有效辐射 (μmolm^-2s^-1)。

　　整个群体的光合速率可表示为各层叶面积光合速率的总和，每日光合速率为日光合时间 h_d 的积分，则叶面积群体每日光合速率为：

　　太阳辐射在一天中的变化规律^[6]：

则：Pn=

1.3 RSPCYM模型各参数的求取

　　(1)PAR 的计算　PAR=ηQ，Q 为日总辐射量 (μmolm^-2d^-1)，η为比例系数，即太阳总辐射中 PAR 所占比例；周允华 (1997)^[7] 给出黄淮海典型区禹城各月η值的逐时平均值，结合董振国研究成果 (1994)^[8]，我们进一步分析给出冬小麦各生育期的η值，分别列于表 1。

　　(2) 小麦不同发育期α、P_max 的取值　表 2 给出小麦不同发育期值的α、P_max^[9]。

表 2　小麦不同发育期值的α、P_max

　　(3)h_d 的求算　h_d 为日照时数，可由下列给出^[10]：

　　sin h=cosδcosφcosω＋sinδsinφ(10)

式中，h 为太阳高度角；δ为赤纬（，T_D 为 1 月 1 日起的天数，也可从天文年历中查出 )；ω为时角，当太阳在子午面时（正午）为 0，一日之中变化为 2π；φ为地理纬度。当日出日落时，h=0，即可获得日出日落时间。其差即为日照时数 hd。若考虑日晴朗系数，则 h₁= 晴朗系数×h_d。

　　(4) 透过率 m 求算　取 m=0.025^[11]。

　　(5)k 的求算　k 为作物群体消光系数，本文取拔节前 k=0.28，拔节后
k=0.35^[12]。

　　(6) 反射率 r 的求算　叶片反射率由实测值获得，一般取 r=0.05^[11]。

　　LAI 求算　冬小麦 LAI 的求算方法为^[13]：

　　LAI=k^-1·ln(1-f_c)^-1 (11)

式 (11) 中 f_c 为作物覆盖度^[13]，求取见式 (12)。　　

式 (12) 中，NDVI_min 和 NDVI_max 分别对应植被覆盖为 5% 和 98% 时的 NDVI，本文分别确定为 -0.001 和 0.5^[14]。　　

2 由 RSPCYM 模型对作物产量的估算

2.1 RSPCYM模型对作物产量的估算

　　以华北平原地区冬小麦产区为研究典型区，选取 NOAA14 卫星的 9 块 AVHRR 图像拼接成图，再在拼接图中选取范围为经度 113～118°，纬度 37～42°的区域。分别选取冬小麦监测各生育期代表 4 种生育期（返青至拔节期、拔节至抽穗期、开花期、成熟期）的 4d 的 NOAA/AVHRR 值中的 CH₁、CH₂、CH₄、CH₅ 个通道的数据，部分参数经由气象资料得到。则依式 (9) 求 P_n1、P_n2、P_n3、P_n4，选取冬小麦监测各生育期的 NOAA/AVHRR 值中的 CH₁、CH₂ 通道的数据，求各生育期的 LAI，与各生育期持续时间求积，得到叶光合同化势（CPAP0，利用叶光合同化势与各生育期的光合速率求积，而后进行积分，即得到整个生育期的作物总第一性生产力 (GPP)；GPP 与作物 f(ξ) 的相乘，即得作物的产量 (YC)。其中 GPP 为：

2.2 RSPCYM模型与 Y₁ 模型估算结果的比较

　　选择 RSPCYM 模型的 10 个样点与利用 Y1 模型^[15]（被 FAO 采用，证明是该区域估测作物产量精度较高的模型 ) 计算的该区域 10 个样点进行样点散点比较
（图 2），图 2 表示了 RSPCYM 和 Y1 模型在典型区冬小麦产量估算的散点比较，点的离散程度较小。表明模型对估测冬小麦光合产量有可比的精度。

图 2 RSPCYM与 Y₁ 模型在典型区冬小麦产量计算的散点比较
Fig.2 Comparing the result of monitored crop yield using RSPCYM and Y₁ model

3 结语

　　(1) 农作物定量分析和估产研究其精度有待进一步提高。而完善应用模型，探讨机理性更强的依赖地学、生物学规律的模型应是研究的一个重点，这对于目前高时间分辨率和相对低的空间分辨率的 NOAA-AVHRR 数据来说，提高其应用精度，用于作物估产和地表植被第一性生产力的研究是十分重要的。

　　(2) 遥感反演的信息具有综合反映作物的群体特性结构特性，进而反映作物个体的光合差异。本文围绕建立生物量机理模型研究，抓住反映作物生物量机理特性的生育期特性、光合特性等，并以遥感信息所反映的生物生长参数为主要模型参数，建立反映遥感—光合生物量估测机理模型，强化机理性。

　　(3) 本文在区域范围内建立的作物遥感—光合生物量估测模型，可对陆地生态系统第一性生产力和海洋生物量的研究，以及为作物估产的精度提高提供可资借鉴的方法。本文只是初步建立了遥感—光合估测作物产量的机理模型，由于该领域涉及的研究学科众多，本文所建立的模型仍需进一步改进和完善，以利于更好地用于农田生态系统的生物量研究和作物估产的应用。

参考文献